La IA detecta un tercio de los casos de cáncer de mama de intervalo que no se detectan en las pruebas de detección.

Un algoritmo de inteligencia artificial para la detección del cáncer de mama podría mejorar el rendimiento de la mamografía por tomosíntesis digital (DBT), reduciendo las tasas de cáncer de intervalo hasta en un tercio, según un estudio publicado hoy en la revista Radiology.

Los cánceres de mama de intervalo son tumores sintomáticos que se diagnostican entre mamografías de detección de rutina. Estos casos suelen tener un peor pronóstico debido a una enfermedad más agresiva y al rápido crecimiento tumoral. La mamografía tridimensional (DBT) proporciona una mejor visualización de las lesiones mamarias y puede identificar tumores que podrían estar ocultos por tejido denso. Sin embargo, dado que la DBT es una tecnología relativamente nueva, los datos sobre los resultados a largo plazo de las pacientes en instituciones que la han adoptado recientemente siguen siendo limitados.

“Dada la escasez de datos sobre la mortalidad por cáncer de mama después de 10 años de cribado con TCD, las tasas de cáncer a intervalos se utilizan a menudo como indicador indirecto”, explica la Dra. Manisha Bahl, autora del estudio y directora de calidad de imágenes mamarias del Hospital General de Massachusetts y profesora asociada de la Facultad de Medicina de Harvard.
“Una disminución en esta tasa sugiere una disminución de la incidencia y la mortalidad por cáncer de mama”.

Estudio: La IA identifica tumores no detectados

En un estudio de 1376 casos, Bal y sus colegas analizaron retrospectivamente 224 cánceres de intervalo en 224 mujeres que se sometieron a pruebas de detección con TCD. En estas imágenes, el algoritmo de IA Lunit INSIGHT TCD v1.1.0.0 localizó correctamente el 32,6 % (73 de 224) de los tumores no detectados previamente.

"Nos sorprendió que casi un tercio de los tumores de intervalo fueran detectados y localizados con precisión por el algoritmo de IA en mamografías que anteriormente los radiólogos interpretaban como normales, lo que destaca el potencial de la IA como un 'segundo lector'", dijo Bahl.

Según los investigadores, este podría ser el primer estudio publicado que analiza específicamente el uso de IA para detectar cánceres de intervalo en imágenes DBT.

“La IA se ha utilizado anteriormente para detectar cánceres de intervalo en mamografías digitales 2D convencionales, pero hasta donde sabemos, no hay estudios publicados en la literatura sobre la detección de tumores de intervalo mediante IA, específicamente en exploraciones de tomosíntesis 3D”, explicó Bal.

Metodología: a nivel de la lesión, no sólo una instantánea

Para evitar sobreestimar la sensibilidad del algoritmo, el equipo de Bal utilizó un análisis específico de la lesión: la IA recibía un "golpe puntuado" solo si identificaba y localizaba correctamente la ubicación exacta del tumor.

“Por el contrario, el análisis de imagen completa puede aprobar la IA incluso si la anotación es incorrecta, lo que infla artificialmente la sensibilidad”, añade.
“Centrarse en la precisión de la localización de la lesión proporciona una evaluación más fiable del rendimiento clínico del algoritmo”.

¿Qué encuentra exactamente la IA?

• Los tumores detectados por el algoritmo tendían a ser más grandes
• Con mayor frecuencia terminaron con daño en los ganglios linfáticos.
• Esto podría significar que la IA identifica principalmente tumores agresivos o de rápido crecimiento, o aquellos que ya estaban en una etapa avanzada pero que los médicos no detectaron durante la detección.

Resultados generales:

Entre 1.000 pacientes (incluidos aquellos con tumores confirmados y aquellos con resultados benignos o falsos positivos), IA:

• Se localizaron correctamente el 84,4% de 334 casos positivos verdaderos
• Se clasificaron correctamente el 85,9% de 333 verdaderos negativos
• Rechazados como falsos el 73,2% de 333 casos falsos positivos

Conclusiones y significación

“Nuestro estudio demostró que el algoritmo de IA pudo detectar retrospectivamente y localizar con precisión casi un tercio de los cánceres de mama de intervalo en las imágenes de detección DBT, lo que indica su potencial para reducir la incidencia de cánceres de intervalo y mejorar los resultados de la detección”, afirmó el Dr. Bahl.

Nuestros resultados respaldan la integración de la IA en los flujos de trabajo de TCD para mejorar la precisión en la detección del cáncer. Sin embargo, el impacto real dependerá del grado en que los radiólogos adopten y adapten la IA en la práctica clínica, así como de la evaluación de su eficacia en diferentes entornos clínicos.